要問現(xiàn)在最新潮的AI玩法？那一定是Agent智能體了。

自O(shè)penAI的GPTs帶頭之后，各大AI應(yīng)用紛紛推出一鍵@不同智能體協(xié)作，以及配套的創(chuàng)建智能體功能。

這段時間試了一下智譜清言的智能體平臺，在“工具助手”里發(fā)現(xiàn)一批特別的存在：

除了官方提供的計算器、天氣查詢等基礎(chǔ)工具，還有第三方服務(wù)API接入了。

比如這個什么值得買，感覺就很眼熟啊，Kimi之前發(fā)布的第一批智能體Kimi+中似乎也見過它。

沒錯，就是那個外號“張大媽”的電商消費指南APP。

在上面可以比價、領(lǐng)優(yōu)惠券，還能看到網(wǎng)友分享的好物推薦和購物經(jīng)驗?？傊?，這是一個能幫你進(jìn)行消費決策，又能幫你省錢的寶藏APP了。

大模型+什么值得買？難道，這是一種AI商業(yè)化新玩法？

好奇心驅(qū)使下，我們找行業(yè)內(nèi)朋友八卦了一下，發(fā)現(xiàn)還不止這兩家。

接下來還有訊飛星火、百川的百小應(yīng)、MiniMax的海螺AI等等，一批大模型APP都準(zhǔn)備和什么值得買聯(lián)合推出消費智能體……

張大媽到底是什么魅力，率先成為各大大模型公司的選擇？

AI導(dǎo)購智能體，有何特別之處？

要搞明白這些問題，不如先上手試玩一下。

首先來看看與通用AI聊天機(jī)器人相比，專門的AI導(dǎo)購智能體還能玩出什么花樣。

先試試Kimi+上的，用同樣一個問題對比“什么值得買智能體”和默認(rèn)的“Kimi智能助手”。

可以看出，Kimi智能助手通過聯(lián)網(wǎng)搜索也能獲取2024年新款型號的知識，不過看起來就像是在把每個產(chǎn)品搜到的信息粘貼過來，各說各的，呈現(xiàn)格式上也有點亂。

再看AI導(dǎo)購智能體的表現(xiàn)，幾款產(chǎn)品都按相同的格式來介紹，看起來就舒服多了。

除了配置信息之外，還能展示出618期間的到手價格，甚至具體到不同配置、不同顏色的價格差異。

順著AI給的參考鏈接點進(jìn)去就能發(fā)現(xiàn)，部分產(chǎn)品型號和配置信息與通用AI助手一樣是從全網(wǎng)搜來的。

而實時的優(yōu)惠信息來源，更多就來自什么值得買上的“好價”頻道了。

用過什么值得買的人，基本都會對它的價格周期曲線、全網(wǎng)渠道比價、隱藏優(yōu)惠尋找等等等等功能……直呼真香。

而這部分能力，也開始和AI相結(jié)合了。

順藤摸瓜，我們發(fā)現(xiàn)什么值得買自家App中，還藏著一個驚喜：官方智能體”小值”。

一番測試之后，我們發(fā)現(xiàn)“小值”在AI文字輸出部分的體驗與Kimi+、智譜清言上的倒是大體一致，但與APP的整合更深入。

如果讓AI推薦一些商品，后面會附上商品列表，挑選后就可以一鍵跳轉(zhuǎn)到對應(yīng)的電商平臺加入購物車了，一步到位。

根據(jù)底部提示，除了商品推薦之外，還有“商品口碑”、“優(yōu)惠查詢”、“商品對比”等不同種玩法。

對一款商品的評價往往眾說紛紜，去評論區(qū)挨個翻也費時費力，AI總結(jié)一下都有哪些主流的聲音，就方便多了。

如果遇到在兩款商品之間猶豫不決的情況，也可以喊AI購物助手出來做一下詳細(xì)對比。

所以一番測試下來，我們對什么值得買智能體的好奇心沒有完全滿足，問題還變得更多了。

比如Kimi+上的什么值得買智能體來自官方，智譜清言上為什么又成了開放API，由用戶來開發(fā)智能體？

部署在什么值得買APP上的“小值”，背后又是基于哪家大模型開發(fā)？

……

攢了好些問題，不如索性聯(lián)系什么值得買官方問問情況，經(jīng)過一番溝通之后，我們見到了值得買科技CTO王云峰。

多智能體架構(gòu)，自研消費大模型

對于為什么要做AI智能體，王云峰表示，如何讓消費者在剁手之后不后悔，至今還是電商行業(yè)的不解之謎。什么值得買創(chuàng)辦十幾年來，也一直想要解決這個問題。

他的思路是：盡可能給到消費者足夠有效的信息去做決定。

因為人們在購物時，不僅希望找到高品質(zhì)、低價格的商品，更希望獲得既客觀，又全面，還符合自身需求的建議和推薦。

所以，AIGC的一些能力，比如張口就來的幻覺，顯然是不適配的。

但傳統(tǒng)的搜索引擎和推薦算法很難做到對用戶需求的精準(zhǔn)理解和匹配，卻正是AI技術(shù)擅長的領(lǐng)域。

那么，合作伙伴這么多，“小值”是基于哪家大模型做的呢？

答案非常出人意料。

“小值”其實已經(jīng)發(fā)展成多智能體架構(gòu)，其中值得買科技自研消費大模型做主力，也有調(diào)用其他大模型來輔助。

這種架構(gòu)不同于傳統(tǒng)的單一大模型，而是將不同的子任務(wù)拆解給專門的智能體，再通過任務(wù)協(xié)同實現(xiàn)整體功能。

所以說，這其中最關(guān)鍵的環(huán)節(jié)就是識別用戶意圖，然后才能拆解出子任務(wù)。

而購物場景中用戶的心態(tài)又是比較休閑的，有很多口語化的需求，又很難像工作場景一樣掏出幾百字提示詞來指導(dǎo)AI如何完成任務(wù)。

這樣一來，把消費領(lǐng)域的知識在訓(xùn)練階段內(nèi)化到大模型里就很關(guān)鍵了。

在什么值得買早期測試中，發(fā)現(xiàn)通用大模型的垂類知識密度還是有限，無法很好滿足需要。

剛好什么值得買多年來積累了大量的商品數(shù)據(jù)、用戶評價、購買指南等優(yōu)質(zhì)語料庫，正是將自身優(yōu)勢與前沿AI技術(shù)結(jié)合的好機(jī)會。

另一邊，對于正在積極擴(kuò)張用戶規(guī)模的眾多C端AI助手APP來說，什么值得買在垂直場景上豐富的積累也是補(bǔ)全通用大模型短板，提供更好用戶體驗的優(yōu)質(zhì)合作對象了。

關(guān)于什么值得買與各家大模型公司的合作，具體合作形式也各有不同。

比如與智譜的合作是什么值得買提供API作為開發(fā)者的工具，讓開發(fā)者參與智能體創(chuàng)作。

Kimi+上的智能體是由什么值得買和月之暗面合作推出的，王云峰透露，值得買AI團(tuán)隊與Kimi團(tuán)隊在產(chǎn)品設(shè)計上進(jìn)行了協(xié)同。

接下來將陸續(xù)推出的訊飛星火、百小應(yīng)，具體細(xì)節(jié)上也都會根據(jù)各家AI產(chǎn)品特點適應(yīng)性地調(diào)整。

在什么值得買看來，用戶在購物的過程中的主要需求大致可以總結(jié)成三類。

最簡單的是比價。也就是用戶已經(jīng)看中一樣商品，要尋找最劃算的購買渠道。

其實在AI出現(xiàn)之前，傳統(tǒng)比價工具就已經(jīng)能滿足一部分此類需求了。

AI加入主要是能進(jìn)一步提高效率，以及提供一種新的交互方式，在對話中直接把結(jié)果呈現(xiàn)出來。

向后退一步，更復(fù)雜的需求是選品。也就是用戶剛剛明確要買某個品類，正在糾結(jié)到底要買哪一款。

AI購物助手智能體，在這里就能起到代替人“做功課”的效果，節(jié)省大量時間了。

王云峰舉了一個用戶選購車載香薰的例子。對很多人來說，車載香薰是一個真實的場景需求，但一方面產(chǎn)品系列極其豐富，另一方面每個人對香味的喜好都可能是個性化。尤其是，大多數(shù)人未必有時間去做足相關(guān)功課。

在“小值”的幫助下，可以先了解一些品類的基礎(chǔ)知識，帶著這些知識再到商品列表里選購，就不會一頭霧水了。

再退一步，更深層的是用戶只有一個模糊的需求，也不知道到底該買些什么。

這就是AI導(dǎo)購智能體未來的努力方向了。

王云峰透露，目前什么值得買正在和Kimi等大模型公司探索更深層的合作，不僅僅停留在API接口調(diào)用，而是雙方在數(shù)據(jù)、模型、任務(wù)流程上的深度融合。

具體來說，當(dāng)用戶與AI購物助手交互時，垂直大模型會先對用戶輸入的內(nèi)容進(jìn)行總結(jié)提煉，識別其中用戶意圖，判斷需要的商品的品牌、型號、關(guān)鍵屬性等。

接下來，提煉好的數(shù)據(jù)會被傳給更專業(yè)的任務(wù)專用模型，返回根據(jù)需求挑選好的商品列表。

表面上看，這個改進(jìn)好像很簡單，但背后代表著整套流程中不僅存在人與智能體的交流對話，也存在Agent之間的對話，其實是非常前沿的方向了。

從這一點也可以看出，AI發(fā)展不僅靠算法技術(shù)上拓展能力邊界，在應(yīng)用場景上的探索也能催生出新的方向。

在大模型生態(tài)里，垂直行業(yè)如何找準(zhǔn)自己的位置

不得不說，什么值得買與大模型公司的合作是一種雙贏。

一方面，什么值得買提供的優(yōu)質(zhì)垂直數(shù)據(jù)和工具鏈，能很好地滿足大模型平臺用戶的購物相關(guān)需求，可以看作是一種變相的能力輸出。

另一方面，借著大模型的東風(fēng)，什么值得買也獲得了更多流量入口、信息反饋和創(chuàng)新活力，未來在AI電商上的想象空間被大大拓展。

甚至王云峰都說了，考慮到現(xiàn)實國內(nèi)大模型發(fā)展情況，他們的AI戰(zhàn)略里，都加入了For AI的產(chǎn)品應(yīng)用，因為，他們發(fā)現(xiàn)在目前的環(huán)境下這是真實的需求。

王云峰進(jìn)一步解釋：當(dāng)下的大模型的生態(tài)并不僅僅是單個大模型本身，各大模型都需要盡可能尋找適配的工具，持續(xù)優(yōu)化及提升自己的能力。那么，為大模型提供服務(wù)，不論是提供API接口或者聯(lián)合開發(fā)應(yīng)用，都是生態(tài)中不可或缺的職能。目前各大模型廠商的積極合作意愿，也印證了這個判斷。

但整場交流，最觸動的點，是他特別提到：值得買消費大模型要有自己的獨特性，不需要一個面面俱到的通用模型，他們選擇性地增強(qiáng)模型的專業(yè)技能，同時放棄了一些不相關(guān)的能力(比如做數(shù)學(xué)題)。

這種不盲目求大求新求全，但對自己的差異化能力有明確判斷的選擇，或許能給更多具有場景或者垂直行業(yè)優(yōu)勢的互聯(lián)網(wǎng)公司一些啟示。

比如可以思考，如何將自身多年積累的行業(yè)知識和數(shù)據(jù)，通過標(biāo)準(zhǔn)化的方式輸出給各大智能體平臺，讓自己的專業(yè)能力為更多用戶所用。

再比如，如何學(xué)習(xí)大模型的建模思路，對原有的業(yè)務(wù)流程進(jìn)行AI化改造，探索更智能、更個性化的服務(wù)方式。

對于大模型公司來說，各細(xì)分行業(yè)經(jīng)過多年發(fā)展，已沉淀了大量行業(yè)知識和專屬數(shù)據(jù)，可能也是進(jìn)一步提升AI專業(yè)性和準(zhǔn)確性的下一步關(guān)鍵所在。